مایکروسافت GPT-6.2 و Code 2 را به Foundry آورد

پریسا اصغری چهارشنبه 27 آبان 1405 - 16:46
مایکروسافت GPT-6.2 و Code 2 را به Foundry آورد
مدل GPT-6.2 برای کارهای حرفه‌ای و خانواده Code 2 برای توسعه نرم‌افزار سازمانی در رویداد Ignite 2026 معرفی شدند.

مقدمه

نمایی خبری از تیمی سازمانی که یک پلتفرم هوش مصنوعی ابری را روی نمایشگرهای کاری بررسی می‌کند

مایکروسافت در سخنرانی افتتاحیه رویداد Ignite 2026 اعلام کرد که GPT-6.2 را به پلتفرم Microsoft Foundry افزوده و هم‌زمان خانواده تازه‌ای از مدل‌های برنامه‌نویسی عامل‌محور با نام Code 2 را معرفی کرده است. این خبر بیش از همه برای شرکت‌ها، تیم‌های نرم‌افزاری و توسعه‌دهندگانی اهمیت دارد که از زیرساخت ابری Azure و ابزارهای هوش مصنوعی مایکروسافت استفاده می‌کنند؛ نه کاربر عادی که صرفاً از Copilot یا چت‌بات‌ها استفاده می‌کند.

Foundry پلتفرم مایکروسافت برای انتخاب، ارزیابی، ساخت و استقرار مدل‌ها و عامل‌های هوش مصنوعی در محیط سازمانی است. بنابراین، اضافه‌شدن یک مدل به Foundry به معنی عرضه مستقیم آن در یک اپ مصرفی یا فعال‌شدن خودکار آن برای همه کاربران ویندوز و Microsoft 365 نیست.

GPT-6.2 چه تغییری می‌کند؟

مهندس نرم‌افزار در حال ارزیابی یک مدل هوش مصنوعی حرفه‌ای در محیط ابری سازمانی

طبق متن رسمی سخنرانی ساتیا نادلا در Ignite 2026، مایکروسافت GPT-6.2 را به Foundry آورده است و از آن به‌عنوان مدلی برای کارهای حرفه‌ای یاد می‌کند. این شرکت همچنین مدعی شده نسخه GPT-6.2 Astra در یک معیار مربوط به کارهای حرفه‌ای پیچیده، نسبت به مدل پیشین خود با بیش از نصف هزینه برآوردی عملکرد بهتری داشته است.

این نوع ادعاها را باید در چارچوب ارزیابی‌های اعلام‌شده از سوی مایکروسافت دید: نتیجه واقعی به نوع وظیفه، طول ورودی و خروجی، ابزارهای متصل به مدل، روش سنجش و قرارداد استفاده بستگی دارد. برای یک تیم فنی، نکته عملی‌تر این است که اکنون گزینه دیگری در کنار مدل‌های بسته و مدل‌های دارای وزن باز قرار می‌گیرد و می‌توان آن را در فرایندهای سازمانی ارزیابی کرد.

Code 2 برای چه کاری طراحی شده است؟

توسعه‌دهندگان در حال کار گروهی روی یک مخزن کد و جریان استقرار نرم‌افزار سازمانی

محصول مهم دیگر این معرفی، خانواده Code 2 است. مایکروسافت آن را مجموعه‌ای از مدل‌های عامل‌محور برای برنامه‌نویسی سازمانی معرفی می‌کند؛ یعنی مدل‌هایی که فقط به تکمیل یک قطعه کد محدود نیستند و برای کارهایی مانند پیاده‌سازی در چند فایل، استدلال در سطح مخزن کد، آماده‌سازی کد برای استقرار و کار با رابط کاربری هدف‌گذاری شده‌اند.

نسخه Code 2 Flash نیز برای حجم بالای درخواست‌ها در نظر گرفته شده است؛ از جمله توضیح کد، ویرایش‌های هدفمند و تکرار سریع. این تقسیم‌بندی می‌تواند برای تیم‌هایی مفید باشد که همه وظایف را با یک مدل گران‌تر انجام نمی‌دهند و میان کیفیت، سرعت پاسخ و هزینه تعادل برقرار می‌کنند.

ارتباط این مدل‌ها با عامل‌های هوش مصنوعی

تمرکز اصلی Foundry فقط انتخاب مدل نیست. مایکروسافت در Ignite از ابزارهایی برای بهبود مستمر عامل‌ها بر پایه سیگنال‌های استفاده واقعی نیز گفت. در این رویکرد، سازمان می‌تواند معیارهای ارزیابی و آزمون‌های خصوصی خود را تعریف کند، عملکرد عامل را در محیط عملیاتی بسنجد و بر اساس نتیجه، عامل یا مدل زیرین را بهینه کند.

این رویکرد برای استفاده‌های حساس اهمیت دارد؛ برای نمونه، یک عامل پشتیبانی مشتری، تحلیل اسناد داخلی یا کمک‌برنامه‌نویس باید با داده، سیاست دسترسی و معیار موفقیت همان سازمان تنظیم شود. انتخاب مدل قدرتمند به‌تنهایی تضمین نمی‌کند که عامل، پاسخ درست، ایمن و قابل اتکا بدهد.

برای کاربران و کسب‌وکارهای ایرانی چه معنایی دارد؟

برای کاربران عادی، این خبر فعلاً به معنای قابلیت تازه و قطعی در یک سرویس مصرفی نیست. اگر مایکروسافت بعداً GPT-6.2 یا Code 2 را در Copilot، GitHub Copilot یا دیگر محصولات عمومی خود فعال کند، باید جزئیات دسترسی، شرایط حساب و محدودیت‌های منطقه‌ای جداگانه بررسی شود.

برای کسب‌وکارهای ایرانی و تیم‌های توسعه‌ای که به سرویس‌های بین‌المللی و Azure دسترسی قانونی دارند، خبر مهم‌تر، گسترده‌ترشدن انتخاب مدل در محیط Foundry است. با این حال، پیش از برنامه‌ریزی برای استفاده عملی، باید سه موضوع را جداگانه سنجید: دسترسی سرویس در منطقه و نوع حساب، هزینه پردازش و نگهداری داده، و الزامات امنیتی یا قراردادی مربوط به داده‌های سازمانی. معرفی در یک رویداد جهانی به‌تنهایی به معنی دسترس‌پذیری یکسان در همه کشورها نیست.

جمع‌بندی

مایکروسافت با افزودن GPT-6.2 به Foundry و معرفی Code 2، گزینه‌های هوش مصنوعی خود را برای ساخت نرم‌افزار و عامل‌های سازمانی گسترش داده است. اهمیت این خبر در سطح زیرساخت و تیم‌های حرفه‌ای است: مدل مناسب باید با آزمایش روی داده و وظایف واقعی انتخاب شود، نه صرفاً بر اساس نام مدل یا ادعاهای یک ارائه‌دهنده. برای کاربران عمومی نیز باید منتظر اعلام جداگانه قابلیت‌ها و شرایط عرضه در محصولات مصرفی ماند.

بازگشت به بالا

© 2026 Beruzkala
بازخوردها
    ارسال بازخورد
    (بعد از تائید مدیر منتشر خواهد شد)
    • - نشانی ایمیل شما منتشر نخواهد شد.
    • - لطفا دیدگاهتان تا حد امکان مربوط به مطلب باشد.
    • - لطفا فارسی بنویسید.
    • - میخواهید عکس خودتان کنار نظرتان باشد؟ به gravatar.com بروید و عکستان را اضافه کنید.
    • - نظرات شما بعد از تایید مدیریت منتشر خواهد شد